论文部分内容阅读
传统的基于稀疏描述分类SRC人脸识别算法采用1范数,需要进行多次迭代运算,计算复杂度高,难以满足实际人脸识别的响应效率的需求.针对这些问题,提出了一种基于2范数的K近邻的快速稀疏描述算法,这种方法通过cosine相似性测试样本间距,求出K近邻,线性组合K近邻,进而求出训练样本与测试样本间的相对偏差,进行分类.整个过程主要计算代价除确定K近邻外,仅为线性组合K近邻求解一个线性方程组的计算代价,与传统基于迭代算法的稀疏方法相比,计算复杂度降低,具有较好的鲁棒性和可靠性.